Huvudområden och successiv fördjupning:
Datavetenskap: Avancerad nivå, har endast kurs/er på grundnivå som förkunskapskrav
Elektronik: Avancerad nivå, har endast kurs/er på grundnivå som förkunskapskrav
Betygsskala: Tregradig skala
Ansvarig institution: Institutionen för datavetenskap
En mobil robot är en robot som kan röra sig i en fysisk miljö. Den här kursen behandlar fundamentala teorier och algoritmer inom mobil robotik, vilket inkluderar kartläggning, lokalisering och navigation. Teorin tillämpas genom att konstruera mjukvara för mobila robotsystem med hjälp av ett robotik-middleware (t.ex. Robot Operating System, ROS). Kursen innehåller en introduktion till ett robotik-middleware. Den utvecklade robotmjukvaran testas på fysiska robotar och/eller avancerade simulatorer.
Förväntade studieresultat
Kunskap och förståelse Efter avklarad kurs ska studenten kunna:
(FSR 1) förklara de operativa principerna av (och skillnaderna mellan) olika typer av arkitekturer för mobila robotar
(FSR 2) utförligt redogöra för teorier och algoritmer för kartläggning och lokalisering
(FSR 3) utförligt redogöra för teorier och algoritmer för rutt- och rörelseplanering
Färdighet och förmåga Efter avklarad kurs ska studenten kunna:
(FSR 4) självständigt konstruera och driftsätta mjukvara av autonoma mobila robotar kapabla till kartläggning, lokalisering, ruttplanering och rörelseplanering
(FSR 5) tydligt dokumentera teorier, algoritmer, experiment och resultat av ett projekt inom mobil robotik och presentera det såväl muntligt som skriftligt i form av en rapport
Värderingsförmåga och förhållningssätt Efter avklarad kurs ska studenten kunna:
(FSR 6) diskutera etiska problem relaterade till praktiska tillämpningar av mobila robotar
Behörighetskrav
Minst 90 hp varav 15 hp programmering och 7,5 hp artificiell intelligens. Engelska för grundläggande behörighet för högskolestudier.
Undervisningens upplägg
Undervisningen sker genom föreläsningar, gruppövningar, studentpresentationer samt dator- och robotlabbar. Utöver schemalagda aktiviteter krävs även individuellt arbete med materialet.
Examination
På kursen sätts något av betygen Underkänd (U), Godkänd (G) eller Väl godkänd (VG). Den teoretiska delen (FSR 1-3, 6) bedöms genom en salstentamen. Den praktiska delen (FSR 4-5) bedöms genom gruppuppgifter som inkluderar skriftliga rapporter och muntliga presentationer. Betyget utgör en samlad bedömning av alla examinerande moment, och den teoretiska och de praktiska delarna har samma vikt.
Anpassad examination Examinator kan besluta om avsteg från kursplanens examinationsform. Individuell anpassning av examinationsformen ska övervägas utifrån studentens behov. Examinationsformen anpassas inom ramen för kursplanens förväntade studieresultat. Student som har behov av en anpassad examination ska senast 10 dagar innan examinationen begära anpassning hos Institutionen för datavetenskap. Examinator beslutar om anpassad examination som sedan meddelas studenten.
Övriga föreskrifter
I en examen får denna kurs ej ingå, helt eller delvis, samtidigt med en annan kurs med likartat innehåll. Vid tveksamheter bör den studerande rådfråga studievägledare vid Institutionen för datavetenskap och/eller programansvarig för sitt program.
Om kursplanen har upphört att gälla eller kursen slutat erbjudas garanteras en student som någon gång registrerats på kursen minst tre provtillfällen (inklusive ordinarie provtillfälle) enligt denna kursplan under en tid av maximalt två år från det att kursplanen upphört att gälla eller kursen slutat erbjudas.
Litteratur
Giltig från:
2023 vecka 26
Murphy Robin R. Introduction to AI robotics Second edition : Cambridge, Massachusetts : The MIT Press : [2019] : xxiii, 620 sidor : ISBN: 9780262038485 Obligatorisk Se Umeå UB:s söktjänst